Modelado y simulación de robos y hurtos basados en redes SOM, TDIDT y Bayesianas. un caso de estudio

Abstract

Se presenta la integración de tecnologías de minería de datos y GIS, orientadas a la generación de conocimiento para identificar y caracterizar clusters de robos y hurtos en una ciudad Argentina en el primer semestre de 2017. Se adaptó la metodología CRISP-DM, y se aplicó un conjunto de técnicas de minería de datos (SOM, TDIDT y redes Bayesianas) para identificar y comprender los patrones delictivos. además, se vincularon los patrones descubiertos con la tecnología gIS para comprender las zonas calientes de mayor ocurrencia de estos delitos. la finalidad es proponer innovadoras modalidades para apoyar procesos de decisión basados en TIThe integration of data mining and GIS technologies is presented, in order to generate knowledge to identify and characterize theft and robbery clusters in an Argentine city in the first half of 2017. the CRISP-DM methodology was adapted, and applied to a set of data mining techniques (SOM, TDIDT and Bayesian networks) to identify and understand criminal patterns. In addition, the patterns discovered were linked with gIS technology to understand the hot zones with the highest occurrence of these crimes. the purpose of the paper is present innovative modalities to support IT-based decision processes